大橙子网站建设,新征程启航

为企业提供网站建设、域名注册、服务器等服务

Python中怎么利用正则抓取数据

Python中怎么利用正则抓取数据,针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

宝应网站建设公司成都创新互联公司,宝应网站设计制作,有大型网站制作公司丰富经验。已为宝应千余家提供企业网站建设服务。企业网站搭建\外贸营销网站建设要多少钱,请找那个售后服务好的宝应做网站的公司定做!

1、正则表达式基础

(1)一般字符

Python中怎么利用正则抓取数据

(2)预定义字符集

Python中怎么利用正则抓取数据

(3)数量词

Python中怎么利用正则抓取数据

(4)边界匹配

Python中怎么利用正则抓取数据

备注:最常用的一种匹配方式(.*?)代表匹配任意字符

2、re模块使用方法

re模块使得Python拥有全部的正则表达式功能。

常用函数1:search()函数匹配并提取第一个符合规律的内容,返回一个正则表达对象

常用函数2:findall()函数匹配所有符合规律的内容,并以列表的形式返回结果

备注:一般在爬取数据时候还是以findall使用居多

re模块修饰符

Python中怎么利用正则抓取数据

3、案例实践

案例名称:爬取《斗破苍穹》全文小说

网络链接:http://www.doupoxs.com/doupocangqiong/

Python中怎么利用正则抓取数据

爬取思路:

(1)打开网页,了解网页URL信息,通过打开第一章和第二章发现链接如下

http://www.doupoxs.com/doupocangqiong/1.html

http://www.doupoxs.com/doupocangqiong/2.html

http://www.doupoxs.com/doupocangqiong/3.html

明显链接通过数字递加来对每一章节进行分页。

(2)爬取全文信息,查找对应的位置如下

Python中怎么利用正则抓取数据

(3)数据存储到TXT文本中

4、详细代码如下:

import requestsimport reimport time
headers={"User-Agent":请求头}
f=open('doupo.txt','a+')
def get_info(url):   res=requests.get(url,headers=headers)   if res.status_code==200:       contents = re.findall('

(.*?)

',res.content.decode('utf-8'),re.S)       for content in contents:           f.write(content+'\n')           print(content)   else:       pass
if __name__=='__main__':   urls=['http://www.doupoxs.com/doupocangqiong/{}.html'.format(i) for i in range(2,10)]   for url in urls:       get_info(url)       time.sleep(1)   f.close()

运行结果如下:

Python中怎么利用正则抓取数据

关于Python中怎么利用正则抓取数据问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注创新互联行业资讯频道了解更多相关知识。


网站标题:Python中怎么利用正则抓取数据
文章链接:http://dzwzjz.com/article/gcsscj.html
在线咨询
服务热线
服务热线:028-86922220
TOP